銀行にとってのビッグデータのジレンマ

現在、デジタル トランスフォーメーションが本格化しています。デジタル トランスフォーメーションの楽観的な結果は、データ要素の生産性が完全に解放されることです。しかし、言うは易く行うは難しで、実際に実行するのはそれほど簡単ではありません。想像してみてください。私たちには組織や組織があるでしょうか? この目標を達成できると誰が断言できますか?

2011 年に戻りましょう。その年、マッキンゼーは「ビッグデータ: イノベーション、競争、生産性の次のフロンティア」というレポートを発表し、これがビッグデータの波に火をつけ、一部の大手銀行が率先してビッグデータ アプリケーションを立ち上げました。実際、銀行のデータ活用において大きな進歩が見られ、データは銀行のデジタル変革とデジタル運営において重要な推進役を果たし、より大きな価値を発揮してきました。しかし同時に、銀行のビッグデータ活用業務はますます混沌としており、人々は霧の中に花を見たような気分になっている。

ビッグデータの活用は銀行にとって新たな仕事であり、銀行も模索を進めており、アプリケーションの進歩に伴い、銀行におけるビッグデータの活用に存在する問題点がますます明らかになってきています。

まず、データ組織の位置づけが明確ではありません。データの分野に早くから参入していた一部の銀行は、主にデータ アプリケーションのキャリアとして独立したデータ部門を使用していますが、このモデルは確かにデータ アプリケーションを迅速に推進する上で比較的良い役割を果たしており、このモデルもますます注目を集めています。デジタルトランスフォーメーションの波を受けて、多くの中小銀行が独立したデータ部門を設置していますが、これまでのところ、一部の先行銀行においてもデータ部門の組織的位置付けがそれほど明確ではありません。その理由は2つあります。 1 つは、一部の銀行幹部がデータと従来の情報技術の違いを十分に理解しておらず、依然として従来の情報技術部門として位置づけていることです。一方、銀行業務部門にとっては、部門の利益から、データ部門とデータ部門の間には一定のギャップがあり、それがしばしばデータ部門の無力感につながります。2 つ目は、データ部門自身の位置付けの混乱です。銀行のデータ部門のマネージャーは、基本的に情報技術部門出身の人材を採用しており、公募でも純粋な技術系のマネージャーを紹介する傾向にありますが、技術系バックグラウンドを持つマネージャーやエンジニアは考えが重く、ビジネスへの理解が浅い人が多いため、技術基盤の構築を本格化させているデータ部門が多いのですが、データアプリケーションに関して 基本的にはビジネス部門のニーズによって動かされている テクノロジープラットフォームはデータアプリケーションの基盤である これは理解できるが、データワークの核心はデータ価値の解放である と位置付けられている。

第二に、ほとんどのデータ アプリケーションは依然として従来の分析とマイニングの段階にあります。多くの銀行におけるデータ アプリケーション作業の多くは依然として分析レポートの作成、ロジスティック回帰やデシジョン ツリー モデルなどの従来のデータ分析とマイニング作業、構造化データへの過度の依存、非構造化データの処理能力の不足にとどまっています。人工知能の全体的な応用は比較的小規模であり、十分な能力の予備も不足しています。いくつかのアプリケーションがあるとしても、主に顧客サービス分野に集中しており、ほとんどは主に外部からの輸入です。

第三に、銀行のデータ部門は十分にオープンではありません。データ自体には接続性があり、データ活用作業はオープンかつ包括的で社会生態系に統合されている必要があり、アイデアのオープン性と統合、および社会、産業、テクノロジーの動向を鋭く予測する能力が鍵となります。発達。近年のデジタルトランスフォーメーションの進展により、銀行のオープン化は進んでいますが、データ部門は銀行業務の発展を担う内部部門として、データセキュリティや商業機密保持などに配慮しており、オープン化には程遠い状況にあります。理想的な状態。また、銀行本店の仕事は全体的に比較的安定しており、新しいものや新しい技術に対する好奇心が少なく、比較的閉鎖的な人もいます。

第 4 に、データ要素の値を実現するためのチャネルがスムーズではありません。データの適用、結果のモニタリング、モデルの反復を効果的に促進するには、データ アプリケーションでエンドツーエンドの閉ループ機能を形成する必要がありますが、銀行の組織チェーンとシステム チェーンが長すぎます。一方で、データ部門はバックエンドにあり、直接触れることが困難です。一方で、長い循環チェーンに何らかのブレークポイントが存在することは避けられません。最終的には、データ活用が期待した効果を達成することが難しくなり、事業部門はデータ活用作業に疑問を抱き、データ部門は事業部門の活用熱心さに不満を抱き、データ活用の難易度がさらに悪化します。 。

この問題の背景には、銀行のデータ戦略の欠如が挙げられます。戦略的な観点から見ると、ビジネス戦略は銀行の中核戦略であり、データはビジネス戦略の役割を果たすものですが、依然としてデータ戦略が不足しています。データの適用を導くビジネス戦略。友人の中には、銀行はすでにフィンテック戦略を持っていると言う人もいるかもしれません。実際、多くの銀行がフィンテック戦略を発表しており、そのフィンテック戦略の一部としてデータが組み込まれていますが、これは銀行の上級管理職がデータ業務について認識していないことの表れでもあります。

新しいタイプの生産要素であるデータには、従来の情報技術と比較して独特の特徴があり、それは主に次の 4 つの側面で現れます。

1 つは、データの強力なビジネス属性です。前回の記事でデータのビジネス特性について述べました. データは既存の手段では解決できないビジネス上の問題の解決策を提供します. これは積極的なビジネス革新活動です. 従来のソフトウェア開発はソフトウェアを使用してビジネスソリューションを決定することでした. 実現とはしたがって、データ アプリケーションの仕事の中核は、ビジネスにつながるイノベーションです。

2 つ目は、データの強力な接続特性です。データベースのデータはフィールドであり、できるだけつなげて初めてデータを最大化することができるのと同じで、「融資金額」のようなフィールドだけを見ても、得られる情報は限られており、その価値は限られています。データ フィールドをデータベース テーブル全体に拡張すると、取得できる情報と値がさらに豊富になります。同様に、銀行のデータとインターネットや政府などのデータを接続すると、得られる値はさらに大きくなります。

3 つ目は、データの強力なリサーチ属性です。 「データは、既存の手段では解決できない問題の答えを見つけるためのものである」と言われますが、これはいくつかの状況によって異なります。業界の既存のソリューションから学べる問題もあれば、業界ですぐに入手できない問題もあります。参考として使用してください。自分たちで探索し、探索する必要があります。理論が実践を導きます。探索のプロセスでは、多くの場合、理論から方向性を見つける必要がありますが、この理論は完全にアルゴリズム レベルではありません。場合によっては、あなたも必要になるかもしれませんファイナンス、社会学、心理学などの理論から答えを見つけることもあれば、半年以上忙しくしていても失敗に終わることもあります。それは「データサイエンス」です。

4つ目は、データの強いリフレッシュ性です。これは主に 2 つのレベルに分かれています。1 つはデータ レベルです。データが新鮮であればあるほど、更新が速くなり、より多くの価値を生み出すことができます。いわゆる新鮮さとは、データが現在の慣行や頻度に比較的近いことを意味します。は高い。データは、現実世界をデジタル世界にマッピングしたものです。現実世界はダイナミックに変化しています。時間の経過とともに、人々の行動習慣や社会の運営ロジックは変化します。人類がデジタル時代に突入するにつれて、この変化はますます深刻になります。」 . どんどん速くなっているので、10年前のデータで作ったユーザーポートレートを今のマーケティングに使うことはできません。もう1つはアルゴリズムのレベルで、現代のアルゴリズムは更新が非常に早く、そのビートに乗り、リフレッシュすることで初めて時代についていくことができます。

データは新たな生産性を表します。私たちは皆、将来のデータの重要な使命を認識しています。私たちは、データ活用の方向性を導き、データのアイデアを形成し、対応する管理メカニズムと作業方法の確立を促進するため、古いワインを新しいボトルに入れることはできなくなり、従来の情報技術管理方法を引き続き使用してデータ適用作業を促進します。現状に関する限り、銀行の現在のデータ活用は一定の成果を上げているものの、伝統的なデータ分析とマイニングを数年間続けてきた結果、先駆者の限界効用は大幅に低下しており、データ戦略が欠如している銀行にとっては、データ アプリケーションの限界効用は急速にゼロに近づき、質的な飛躍を達成することは困難になるでしょう。最終的には、「スタグフレーション」の罠に陥り、味気ないものになる可能性さえあります。これは決して憂慮すべきことではありません。 0から1までは、価値を生み出すために何でもできるが、1から10にするとき必要なのは、深い沈澱、深い思考、冷静な予測、そして秩序ある前進である。戦略がなければ決して成果は得られない混沌から抜け出す。したがって、大手銀行にとってはデータ業務を再考する時期が来ており、創業したばかりの銀行にとっては最初から独立したデータ戦略を確立する時期が来ています。構築方法については、以下で説明します。